綜合來看，目前基于大數據的業務模式主要包括這幾個方面，通過實時數據的采集來監測設備的運行、對采集的數據進行挖掘利用。
　　具體而言，在實時數據方面，則包括鼓勵能源企業運用大數據技術對設備狀態、電能負載等數據進行分析挖掘與預測，開展精準調度、故障判斷和預測性維護，提高能源利用效率和安全穩定運行水平。
　　在數據的挖掘利用方面，主要包括對能源設備的實時監測數據進行挖掘和分析后，除了用于第一點所提到的故障判斷外，還可以與金融機構等合作，將其作為資產評估、風險控制等的依據和標準，以及用于對于制造業相應環節的反饋。比如互聯網+行動指導意見中提到的鼓勵制造企業利用物聯網、云計算、大數據等技術，整合產品全生命周期數據，形成面向生產組織全過程的決策服務信息，為產品優化升級提供數據支撐。
　　此外，在面向制造業的服務業方面，則鼓勵企業基于互聯網開展故障預警、遠程維護、質量診斷、遠程過程優化等在線增值服務，拓展產品價值空間，實現從制造向“制造＋服務”的轉型升級。
　　根據此前發布的《能效信貸指引》，無論是在貸前的盡職調查、節能技術和效益評估、質押登記，還是貸后的信貸質量監控和風險預警等方面，都離不開大數據的應用。而就綜合信息來看，出于防范信貸風險的考慮，銀行是最舍得為大數據產品“掏腰包”的金融機構之一。
　　
　　不容忽視的硬件因素
　　或許是看中了能源大數據這一無可比擬的重要性，與之相關的概念正在遍地開花。
　　資料顯示，包括許多上市公司，甚至是此前與能源行業、IT行業均沒有任何關聯的企業，也將能源互聯網、大數據等作為轉型的方向之一。
　　對此，有市場分析人士表示，能源領域的大數據能夠走多遠，除了受現行環境、業務模式等制約外，傳感器等硬件設備方面的不足也不容忽視。畢竟，對于能源領域而言，其大數據更多是基于實時采集的動態數據，而非簡單的基于互聯網的靜態數據，相應硬件的技術水平能否跟得上至關重要。
　　更進一步來看，就數據采集以及傳輸的復雜性而言，新能源電站的實現難度要高于傳統的火電電站。
　　以一座規模達到50MW的火電電站來看，數據采集周期為10S，整個系統近2萬個數據點，每天要產生約8G的數據量。
　　“整個系統包括硬件和軟件兩部分。硬件部分包括智能環境監測站、高性能現場計算機、無線通訊設備等。作為工業級硬件產品，對其關鍵的指標均有嚴格的要求，包括超寬溫環境（滿足寬溫狀態-40——80℃）、高精度（關鍵監測設備偏差<0.1%）、 集成化（與主要數據鏈高度集成，實時鏈接）等。可以說，作為一個涉及眾多數據接入點的產品，無論從硬件方面，還是軟件方面，都有很高的門檻。”上述市場分析人士表示。

作者：張廣明 來源：《太陽能發電》雜志 責任編輯：wutongyufg